Fusion Labs
Panorama du marcheacute et eacutetat de lrsquoart des solutions IoT M2M
Steacutephane Monteil
2 avril 2015 ndash Confeacuterence Internet des Objets (IoT) quels enjeux et opportuniteacutes pour les entreprises
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
2 Internet des objets et services cloud
IoT Le nouvel eldorado
3 Internet des objets et services cloud
Preacutevisions du marcheacute IoT
4
ldquo50 Billion Things on the Internet by 2020rdquo
ldquohellip200 billion Things by 2020rdquo
Le marcheacute M2M atteindra les 40 milliards drsquoeuros en 2017 Most revenues come from software and IT services (around two-thirds of total market value)
Internet des objets et services cloud
Gartnerrsquos hype cycle
5
Source Gartner
Internet des objets et services cloud
Facteurs drsquoeacutevolution du marcheacute Facteurs favorables Freins
bullLrsquoIoTM2M permet de creacuteer de nouveaux services drsquooptimiser les processus et de reacuteduire les coucircts
bullLa technologie est disponible et mature (embarqueacute reacuteseau cloud)
bullLes coucircts drsquoindustrialisation sont de plus en plus abordables
bullLe grand public srsquoapproprie les nouveaux produits (smart home wearable mobiliteacute hellip)
bull Le ROI nrsquoest pas toujours eacutevident agrave faire
apparaitre bull Les changements de business model
entrainent des reacuteticences (abonnements couts reacutecurrents)
bull La fiabiliteacute et la disponibiliteacute du service nrsquoest pas toujours au rendez-vous (connectiviteacute sans fil hellip)
bull Manque drsquoun standard technique unique (fragmentation)
bull Certains usages ne sont pas totalement matures (ex bracelets connecteacutes)
6 Internet des objets et services cloud
Segments de marcheacute M2M IoT
7 Internet des objets et services cloud
Energy
bull Meters bull Solar panel bull Windmill
Transports
bull Tracking bull Monitoring bull Security bull Public
transports
Industry
bull Assets monitoring
bull Resource automation
bull Supply chain
Consumer
bull Smart home bull Alarms bull Smart
appliances bull Wearable
Healthcare
bull Home health
bull Monitoring
Buildings
bull HVAC bull Lighting bull Security bull Access bull Fire
Et aussi Smart City Retail SecuritySafety hellip
Exemple La maison connecteacutee
Home Automation Lighting
Connected devices eHealth
Alarm amp Security
Smart Energy
8 (C) Fusion Labs 2015
Chaine de valeur IoT M2M
9 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
User app
Back office Infrastructure
Exemple 1 Supervision et teacuteleacutemaintenance de machines
10
IoT Platform
Mobile Network (GPRSUMTS)
Remote Diagnostics amp Maintenance UI
Carrier embedded interface
Customer Support Business
user
GPRS or 3G board
Control unit
Industrial modem (GPRS)
Internet des objets et services cloud
Exemple 2 Smart Home Deacutemo drsquoune solution open source
Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus
Installation en 20 min
Internet des objets et services cloud
Protocole sans fil au standard Z-Wave
Logiciel Domoticz (open source)
Application ImperiHome
Aperccedilu drsquoacteurs repreacutesentatifs
12 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
Copenhague
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
13 Internet des objets et services cloud
IoT M2M architecture
14 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
IoT platform
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
IoT platform
Focus technique produits
15 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
Les plateformes middleware IoT bull Principales fonctions
ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware
ndash Messages amp data management
bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes
bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits
ndash Application Management
bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee
16 Internet des objets et services cloud
Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
17
Plate-forme de services IoT
Applications meacutetier
Transport
Street equipment monitoring
Smart home
Internet des objets et services cloud
Abstraction du mateacuteriel et de lrsquoimpleacutementation
bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo
bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo
bull Le11130881113088 service devient indeacutependant des technologies
18 Internet des objets et services cloud
Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti
19 Internet des objets et services cloud
Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation
Exemple Plateforme ThingWorx 22
20 Internet des objets et services cloud
Plate-forme de services IoT Microsoft Azure
21 Internet des objets et services cloud
Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
2 Internet des objets et services cloud
IoT Le nouvel eldorado
3 Internet des objets et services cloud
Preacutevisions du marcheacute IoT
4
ldquo50 Billion Things on the Internet by 2020rdquo
ldquohellip200 billion Things by 2020rdquo
Le marcheacute M2M atteindra les 40 milliards drsquoeuros en 2017 Most revenues come from software and IT services (around two-thirds of total market value)
Internet des objets et services cloud
Gartnerrsquos hype cycle
5
Source Gartner
Internet des objets et services cloud
Facteurs drsquoeacutevolution du marcheacute Facteurs favorables Freins
bullLrsquoIoTM2M permet de creacuteer de nouveaux services drsquooptimiser les processus et de reacuteduire les coucircts
bullLa technologie est disponible et mature (embarqueacute reacuteseau cloud)
bullLes coucircts drsquoindustrialisation sont de plus en plus abordables
bullLe grand public srsquoapproprie les nouveaux produits (smart home wearable mobiliteacute hellip)
bull Le ROI nrsquoest pas toujours eacutevident agrave faire
apparaitre bull Les changements de business model
entrainent des reacuteticences (abonnements couts reacutecurrents)
bull La fiabiliteacute et la disponibiliteacute du service nrsquoest pas toujours au rendez-vous (connectiviteacute sans fil hellip)
bull Manque drsquoun standard technique unique (fragmentation)
bull Certains usages ne sont pas totalement matures (ex bracelets connecteacutes)
6 Internet des objets et services cloud
Segments de marcheacute M2M IoT
7 Internet des objets et services cloud
Energy
bull Meters bull Solar panel bull Windmill
Transports
bull Tracking bull Monitoring bull Security bull Public
transports
Industry
bull Assets monitoring
bull Resource automation
bull Supply chain
Consumer
bull Smart home bull Alarms bull Smart
appliances bull Wearable
Healthcare
bull Home health
bull Monitoring
Buildings
bull HVAC bull Lighting bull Security bull Access bull Fire
Et aussi Smart City Retail SecuritySafety hellip
Exemple La maison connecteacutee
Home Automation Lighting
Connected devices eHealth
Alarm amp Security
Smart Energy
8 (C) Fusion Labs 2015
Chaine de valeur IoT M2M
9 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
User app
Back office Infrastructure
Exemple 1 Supervision et teacuteleacutemaintenance de machines
10
IoT Platform
Mobile Network (GPRSUMTS)
Remote Diagnostics amp Maintenance UI
Carrier embedded interface
Customer Support Business
user
GPRS or 3G board
Control unit
Industrial modem (GPRS)
Internet des objets et services cloud
Exemple 2 Smart Home Deacutemo drsquoune solution open source
Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus
Installation en 20 min
Internet des objets et services cloud
Protocole sans fil au standard Z-Wave
Logiciel Domoticz (open source)
Application ImperiHome
Aperccedilu drsquoacteurs repreacutesentatifs
12 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
Copenhague
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
13 Internet des objets et services cloud
IoT M2M architecture
14 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
IoT platform
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
IoT platform
Focus technique produits
15 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
Les plateformes middleware IoT bull Principales fonctions
ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware
ndash Messages amp data management
bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes
bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits
ndash Application Management
bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee
16 Internet des objets et services cloud
Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
17
Plate-forme de services IoT
Applications meacutetier
Transport
Street equipment monitoring
Smart home
Internet des objets et services cloud
Abstraction du mateacuteriel et de lrsquoimpleacutementation
bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo
bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo
bull Le11130881113088 service devient indeacutependant des technologies
18 Internet des objets et services cloud
Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti
19 Internet des objets et services cloud
Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation
Exemple Plateforme ThingWorx 22
20 Internet des objets et services cloud
Plate-forme de services IoT Microsoft Azure
21 Internet des objets et services cloud
Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
IoT Le nouvel eldorado
3 Internet des objets et services cloud
Preacutevisions du marcheacute IoT
4
ldquo50 Billion Things on the Internet by 2020rdquo
ldquohellip200 billion Things by 2020rdquo
Le marcheacute M2M atteindra les 40 milliards drsquoeuros en 2017 Most revenues come from software and IT services (around two-thirds of total market value)
Internet des objets et services cloud
Gartnerrsquos hype cycle
5
Source Gartner
Internet des objets et services cloud
Facteurs drsquoeacutevolution du marcheacute Facteurs favorables Freins
bullLrsquoIoTM2M permet de creacuteer de nouveaux services drsquooptimiser les processus et de reacuteduire les coucircts
bullLa technologie est disponible et mature (embarqueacute reacuteseau cloud)
bullLes coucircts drsquoindustrialisation sont de plus en plus abordables
bullLe grand public srsquoapproprie les nouveaux produits (smart home wearable mobiliteacute hellip)
bull Le ROI nrsquoest pas toujours eacutevident agrave faire
apparaitre bull Les changements de business model
entrainent des reacuteticences (abonnements couts reacutecurrents)
bull La fiabiliteacute et la disponibiliteacute du service nrsquoest pas toujours au rendez-vous (connectiviteacute sans fil hellip)
bull Manque drsquoun standard technique unique (fragmentation)
bull Certains usages ne sont pas totalement matures (ex bracelets connecteacutes)
6 Internet des objets et services cloud
Segments de marcheacute M2M IoT
7 Internet des objets et services cloud
Energy
bull Meters bull Solar panel bull Windmill
Transports
bull Tracking bull Monitoring bull Security bull Public
transports
Industry
bull Assets monitoring
bull Resource automation
bull Supply chain
Consumer
bull Smart home bull Alarms bull Smart
appliances bull Wearable
Healthcare
bull Home health
bull Monitoring
Buildings
bull HVAC bull Lighting bull Security bull Access bull Fire
Et aussi Smart City Retail SecuritySafety hellip
Exemple La maison connecteacutee
Home Automation Lighting
Connected devices eHealth
Alarm amp Security
Smart Energy
8 (C) Fusion Labs 2015
Chaine de valeur IoT M2M
9 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
User app
Back office Infrastructure
Exemple 1 Supervision et teacuteleacutemaintenance de machines
10
IoT Platform
Mobile Network (GPRSUMTS)
Remote Diagnostics amp Maintenance UI
Carrier embedded interface
Customer Support Business
user
GPRS or 3G board
Control unit
Industrial modem (GPRS)
Internet des objets et services cloud
Exemple 2 Smart Home Deacutemo drsquoune solution open source
Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus
Installation en 20 min
Internet des objets et services cloud
Protocole sans fil au standard Z-Wave
Logiciel Domoticz (open source)
Application ImperiHome
Aperccedilu drsquoacteurs repreacutesentatifs
12 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
Copenhague
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
13 Internet des objets et services cloud
IoT M2M architecture
14 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
IoT platform
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
IoT platform
Focus technique produits
15 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
Les plateformes middleware IoT bull Principales fonctions
ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware
ndash Messages amp data management
bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes
bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits
ndash Application Management
bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee
16 Internet des objets et services cloud
Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
17
Plate-forme de services IoT
Applications meacutetier
Transport
Street equipment monitoring
Smart home
Internet des objets et services cloud
Abstraction du mateacuteriel et de lrsquoimpleacutementation
bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo
bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo
bull Le11130881113088 service devient indeacutependant des technologies
18 Internet des objets et services cloud
Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti
19 Internet des objets et services cloud
Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation
Exemple Plateforme ThingWorx 22
20 Internet des objets et services cloud
Plate-forme de services IoT Microsoft Azure
21 Internet des objets et services cloud
Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Preacutevisions du marcheacute IoT
4
ldquo50 Billion Things on the Internet by 2020rdquo
ldquohellip200 billion Things by 2020rdquo
Le marcheacute M2M atteindra les 40 milliards drsquoeuros en 2017 Most revenues come from software and IT services (around two-thirds of total market value)
Internet des objets et services cloud
Gartnerrsquos hype cycle
5
Source Gartner
Internet des objets et services cloud
Facteurs drsquoeacutevolution du marcheacute Facteurs favorables Freins
bullLrsquoIoTM2M permet de creacuteer de nouveaux services drsquooptimiser les processus et de reacuteduire les coucircts
bullLa technologie est disponible et mature (embarqueacute reacuteseau cloud)
bullLes coucircts drsquoindustrialisation sont de plus en plus abordables
bullLe grand public srsquoapproprie les nouveaux produits (smart home wearable mobiliteacute hellip)
bull Le ROI nrsquoest pas toujours eacutevident agrave faire
apparaitre bull Les changements de business model
entrainent des reacuteticences (abonnements couts reacutecurrents)
bull La fiabiliteacute et la disponibiliteacute du service nrsquoest pas toujours au rendez-vous (connectiviteacute sans fil hellip)
bull Manque drsquoun standard technique unique (fragmentation)
bull Certains usages ne sont pas totalement matures (ex bracelets connecteacutes)
6 Internet des objets et services cloud
Segments de marcheacute M2M IoT
7 Internet des objets et services cloud
Energy
bull Meters bull Solar panel bull Windmill
Transports
bull Tracking bull Monitoring bull Security bull Public
transports
Industry
bull Assets monitoring
bull Resource automation
bull Supply chain
Consumer
bull Smart home bull Alarms bull Smart
appliances bull Wearable
Healthcare
bull Home health
bull Monitoring
Buildings
bull HVAC bull Lighting bull Security bull Access bull Fire
Et aussi Smart City Retail SecuritySafety hellip
Exemple La maison connecteacutee
Home Automation Lighting
Connected devices eHealth
Alarm amp Security
Smart Energy
8 (C) Fusion Labs 2015
Chaine de valeur IoT M2M
9 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
User app
Back office Infrastructure
Exemple 1 Supervision et teacuteleacutemaintenance de machines
10
IoT Platform
Mobile Network (GPRSUMTS)
Remote Diagnostics amp Maintenance UI
Carrier embedded interface
Customer Support Business
user
GPRS or 3G board
Control unit
Industrial modem (GPRS)
Internet des objets et services cloud
Exemple 2 Smart Home Deacutemo drsquoune solution open source
Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus
Installation en 20 min
Internet des objets et services cloud
Protocole sans fil au standard Z-Wave
Logiciel Domoticz (open source)
Application ImperiHome
Aperccedilu drsquoacteurs repreacutesentatifs
12 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
Copenhague
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
13 Internet des objets et services cloud
IoT M2M architecture
14 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
IoT platform
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
IoT platform
Focus technique produits
15 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
Les plateformes middleware IoT bull Principales fonctions
ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware
ndash Messages amp data management
bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes
bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits
ndash Application Management
bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee
16 Internet des objets et services cloud
Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
17
Plate-forme de services IoT
Applications meacutetier
Transport
Street equipment monitoring
Smart home
Internet des objets et services cloud
Abstraction du mateacuteriel et de lrsquoimpleacutementation
bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo
bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo
bull Le11130881113088 service devient indeacutependant des technologies
18 Internet des objets et services cloud
Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti
19 Internet des objets et services cloud
Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation
Exemple Plateforme ThingWorx 22
20 Internet des objets et services cloud
Plate-forme de services IoT Microsoft Azure
21 Internet des objets et services cloud
Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Gartnerrsquos hype cycle
5
Source Gartner
Internet des objets et services cloud
Facteurs drsquoeacutevolution du marcheacute Facteurs favorables Freins
bullLrsquoIoTM2M permet de creacuteer de nouveaux services drsquooptimiser les processus et de reacuteduire les coucircts
bullLa technologie est disponible et mature (embarqueacute reacuteseau cloud)
bullLes coucircts drsquoindustrialisation sont de plus en plus abordables
bullLe grand public srsquoapproprie les nouveaux produits (smart home wearable mobiliteacute hellip)
bull Le ROI nrsquoest pas toujours eacutevident agrave faire
apparaitre bull Les changements de business model
entrainent des reacuteticences (abonnements couts reacutecurrents)
bull La fiabiliteacute et la disponibiliteacute du service nrsquoest pas toujours au rendez-vous (connectiviteacute sans fil hellip)
bull Manque drsquoun standard technique unique (fragmentation)
bull Certains usages ne sont pas totalement matures (ex bracelets connecteacutes)
6 Internet des objets et services cloud
Segments de marcheacute M2M IoT
7 Internet des objets et services cloud
Energy
bull Meters bull Solar panel bull Windmill
Transports
bull Tracking bull Monitoring bull Security bull Public
transports
Industry
bull Assets monitoring
bull Resource automation
bull Supply chain
Consumer
bull Smart home bull Alarms bull Smart
appliances bull Wearable
Healthcare
bull Home health
bull Monitoring
Buildings
bull HVAC bull Lighting bull Security bull Access bull Fire
Et aussi Smart City Retail SecuritySafety hellip
Exemple La maison connecteacutee
Home Automation Lighting
Connected devices eHealth
Alarm amp Security
Smart Energy
8 (C) Fusion Labs 2015
Chaine de valeur IoT M2M
9 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
User app
Back office Infrastructure
Exemple 1 Supervision et teacuteleacutemaintenance de machines
10
IoT Platform
Mobile Network (GPRSUMTS)
Remote Diagnostics amp Maintenance UI
Carrier embedded interface
Customer Support Business
user
GPRS or 3G board
Control unit
Industrial modem (GPRS)
Internet des objets et services cloud
Exemple 2 Smart Home Deacutemo drsquoune solution open source
Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus
Installation en 20 min
Internet des objets et services cloud
Protocole sans fil au standard Z-Wave
Logiciel Domoticz (open source)
Application ImperiHome
Aperccedilu drsquoacteurs repreacutesentatifs
12 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
Copenhague
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
13 Internet des objets et services cloud
IoT M2M architecture
14 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
IoT platform
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
IoT platform
Focus technique produits
15 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
Les plateformes middleware IoT bull Principales fonctions
ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware
ndash Messages amp data management
bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes
bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits
ndash Application Management
bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee
16 Internet des objets et services cloud
Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
17
Plate-forme de services IoT
Applications meacutetier
Transport
Street equipment monitoring
Smart home
Internet des objets et services cloud
Abstraction du mateacuteriel et de lrsquoimpleacutementation
bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo
bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo
bull Le11130881113088 service devient indeacutependant des technologies
18 Internet des objets et services cloud
Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti
19 Internet des objets et services cloud
Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation
Exemple Plateforme ThingWorx 22
20 Internet des objets et services cloud
Plate-forme de services IoT Microsoft Azure
21 Internet des objets et services cloud
Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Facteurs drsquoeacutevolution du marcheacute Facteurs favorables Freins
bullLrsquoIoTM2M permet de creacuteer de nouveaux services drsquooptimiser les processus et de reacuteduire les coucircts
bullLa technologie est disponible et mature (embarqueacute reacuteseau cloud)
bullLes coucircts drsquoindustrialisation sont de plus en plus abordables
bullLe grand public srsquoapproprie les nouveaux produits (smart home wearable mobiliteacute hellip)
bull Le ROI nrsquoest pas toujours eacutevident agrave faire
apparaitre bull Les changements de business model
entrainent des reacuteticences (abonnements couts reacutecurrents)
bull La fiabiliteacute et la disponibiliteacute du service nrsquoest pas toujours au rendez-vous (connectiviteacute sans fil hellip)
bull Manque drsquoun standard technique unique (fragmentation)
bull Certains usages ne sont pas totalement matures (ex bracelets connecteacutes)
6 Internet des objets et services cloud
Segments de marcheacute M2M IoT
7 Internet des objets et services cloud
Energy
bull Meters bull Solar panel bull Windmill
Transports
bull Tracking bull Monitoring bull Security bull Public
transports
Industry
bull Assets monitoring
bull Resource automation
bull Supply chain
Consumer
bull Smart home bull Alarms bull Smart
appliances bull Wearable
Healthcare
bull Home health
bull Monitoring
Buildings
bull HVAC bull Lighting bull Security bull Access bull Fire
Et aussi Smart City Retail SecuritySafety hellip
Exemple La maison connecteacutee
Home Automation Lighting
Connected devices eHealth
Alarm amp Security
Smart Energy
8 (C) Fusion Labs 2015
Chaine de valeur IoT M2M
9 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
User app
Back office Infrastructure
Exemple 1 Supervision et teacuteleacutemaintenance de machines
10
IoT Platform
Mobile Network (GPRSUMTS)
Remote Diagnostics amp Maintenance UI
Carrier embedded interface
Customer Support Business
user
GPRS or 3G board
Control unit
Industrial modem (GPRS)
Internet des objets et services cloud
Exemple 2 Smart Home Deacutemo drsquoune solution open source
Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus
Installation en 20 min
Internet des objets et services cloud
Protocole sans fil au standard Z-Wave
Logiciel Domoticz (open source)
Application ImperiHome
Aperccedilu drsquoacteurs repreacutesentatifs
12 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
Copenhague
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
13 Internet des objets et services cloud
IoT M2M architecture
14 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
IoT platform
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
IoT platform
Focus technique produits
15 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
Les plateformes middleware IoT bull Principales fonctions
ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware
ndash Messages amp data management
bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes
bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits
ndash Application Management
bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee
16 Internet des objets et services cloud
Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
17
Plate-forme de services IoT
Applications meacutetier
Transport
Street equipment monitoring
Smart home
Internet des objets et services cloud
Abstraction du mateacuteriel et de lrsquoimpleacutementation
bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo
bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo
bull Le11130881113088 service devient indeacutependant des technologies
18 Internet des objets et services cloud
Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti
19 Internet des objets et services cloud
Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation
Exemple Plateforme ThingWorx 22
20 Internet des objets et services cloud
Plate-forme de services IoT Microsoft Azure
21 Internet des objets et services cloud
Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Segments de marcheacute M2M IoT
7 Internet des objets et services cloud
Energy
bull Meters bull Solar panel bull Windmill
Transports
bull Tracking bull Monitoring bull Security bull Public
transports
Industry
bull Assets monitoring
bull Resource automation
bull Supply chain
Consumer
bull Smart home bull Alarms bull Smart
appliances bull Wearable
Healthcare
bull Home health
bull Monitoring
Buildings
bull HVAC bull Lighting bull Security bull Access bull Fire
Et aussi Smart City Retail SecuritySafety hellip
Exemple La maison connecteacutee
Home Automation Lighting
Connected devices eHealth
Alarm amp Security
Smart Energy
8 (C) Fusion Labs 2015
Chaine de valeur IoT M2M
9 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
User app
Back office Infrastructure
Exemple 1 Supervision et teacuteleacutemaintenance de machines
10
IoT Platform
Mobile Network (GPRSUMTS)
Remote Diagnostics amp Maintenance UI
Carrier embedded interface
Customer Support Business
user
GPRS or 3G board
Control unit
Industrial modem (GPRS)
Internet des objets et services cloud
Exemple 2 Smart Home Deacutemo drsquoune solution open source
Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus
Installation en 20 min
Internet des objets et services cloud
Protocole sans fil au standard Z-Wave
Logiciel Domoticz (open source)
Application ImperiHome
Aperccedilu drsquoacteurs repreacutesentatifs
12 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
Copenhague
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
13 Internet des objets et services cloud
IoT M2M architecture
14 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
IoT platform
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
IoT platform
Focus technique produits
15 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
Les plateformes middleware IoT bull Principales fonctions
ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware
ndash Messages amp data management
bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes
bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits
ndash Application Management
bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee
16 Internet des objets et services cloud
Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
17
Plate-forme de services IoT
Applications meacutetier
Transport
Street equipment monitoring
Smart home
Internet des objets et services cloud
Abstraction du mateacuteriel et de lrsquoimpleacutementation
bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo
bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo
bull Le11130881113088 service devient indeacutependant des technologies
18 Internet des objets et services cloud
Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti
19 Internet des objets et services cloud
Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation
Exemple Plateforme ThingWorx 22
20 Internet des objets et services cloud
Plate-forme de services IoT Microsoft Azure
21 Internet des objets et services cloud
Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Exemple La maison connecteacutee
Home Automation Lighting
Connected devices eHealth
Alarm amp Security
Smart Energy
8 (C) Fusion Labs 2015
Chaine de valeur IoT M2M
9 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
User app
Back office Infrastructure
Exemple 1 Supervision et teacuteleacutemaintenance de machines
10
IoT Platform
Mobile Network (GPRSUMTS)
Remote Diagnostics amp Maintenance UI
Carrier embedded interface
Customer Support Business
user
GPRS or 3G board
Control unit
Industrial modem (GPRS)
Internet des objets et services cloud
Exemple 2 Smart Home Deacutemo drsquoune solution open source
Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus
Installation en 20 min
Internet des objets et services cloud
Protocole sans fil au standard Z-Wave
Logiciel Domoticz (open source)
Application ImperiHome
Aperccedilu drsquoacteurs repreacutesentatifs
12 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
Copenhague
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
13 Internet des objets et services cloud
IoT M2M architecture
14 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
IoT platform
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
IoT platform
Focus technique produits
15 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
Les plateformes middleware IoT bull Principales fonctions
ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware
ndash Messages amp data management
bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes
bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits
ndash Application Management
bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee
16 Internet des objets et services cloud
Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
17
Plate-forme de services IoT
Applications meacutetier
Transport
Street equipment monitoring
Smart home
Internet des objets et services cloud
Abstraction du mateacuteriel et de lrsquoimpleacutementation
bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo
bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo
bull Le11130881113088 service devient indeacutependant des technologies
18 Internet des objets et services cloud
Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti
19 Internet des objets et services cloud
Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation
Exemple Plateforme ThingWorx 22
20 Internet des objets et services cloud
Plate-forme de services IoT Microsoft Azure
21 Internet des objets et services cloud
Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Chaine de valeur IoT M2M
9 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
User app
Back office Infrastructure
Exemple 1 Supervision et teacuteleacutemaintenance de machines
10
IoT Platform
Mobile Network (GPRSUMTS)
Remote Diagnostics amp Maintenance UI
Carrier embedded interface
Customer Support Business
user
GPRS or 3G board
Control unit
Industrial modem (GPRS)
Internet des objets et services cloud
Exemple 2 Smart Home Deacutemo drsquoune solution open source
Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus
Installation en 20 min
Internet des objets et services cloud
Protocole sans fil au standard Z-Wave
Logiciel Domoticz (open source)
Application ImperiHome
Aperccedilu drsquoacteurs repreacutesentatifs
12 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
Copenhague
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
13 Internet des objets et services cloud
IoT M2M architecture
14 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
IoT platform
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
IoT platform
Focus technique produits
15 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
Les plateformes middleware IoT bull Principales fonctions
ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware
ndash Messages amp data management
bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes
bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits
ndash Application Management
bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee
16 Internet des objets et services cloud
Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
17
Plate-forme de services IoT
Applications meacutetier
Transport
Street equipment monitoring
Smart home
Internet des objets et services cloud
Abstraction du mateacuteriel et de lrsquoimpleacutementation
bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo
bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo
bull Le11130881113088 service devient indeacutependant des technologies
18 Internet des objets et services cloud
Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti
19 Internet des objets et services cloud
Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation
Exemple Plateforme ThingWorx 22
20 Internet des objets et services cloud
Plate-forme de services IoT Microsoft Azure
21 Internet des objets et services cloud
Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Exemple 1 Supervision et teacuteleacutemaintenance de machines
10
IoT Platform
Mobile Network (GPRSUMTS)
Remote Diagnostics amp Maintenance UI
Carrier embedded interface
Customer Support Business
user
GPRS or 3G board
Control unit
Industrial modem (GPRS)
Internet des objets et services cloud
Exemple 2 Smart Home Deacutemo drsquoune solution open source
Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus
Installation en 20 min
Internet des objets et services cloud
Protocole sans fil au standard Z-Wave
Logiciel Domoticz (open source)
Application ImperiHome
Aperccedilu drsquoacteurs repreacutesentatifs
12 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
Copenhague
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
13 Internet des objets et services cloud
IoT M2M architecture
14 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
IoT platform
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
IoT platform
Focus technique produits
15 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
Les plateformes middleware IoT bull Principales fonctions
ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware
ndash Messages amp data management
bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes
bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits
ndash Application Management
bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee
16 Internet des objets et services cloud
Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
17
Plate-forme de services IoT
Applications meacutetier
Transport
Street equipment monitoring
Smart home
Internet des objets et services cloud
Abstraction du mateacuteriel et de lrsquoimpleacutementation
bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo
bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo
bull Le11130881113088 service devient indeacutependant des technologies
18 Internet des objets et services cloud
Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti
19 Internet des objets et services cloud
Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation
Exemple Plateforme ThingWorx 22
20 Internet des objets et services cloud
Plate-forme de services IoT Microsoft Azure
21 Internet des objets et services cloud
Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Exemple 2 Smart Home Deacutemo drsquoune solution open source
Contenu du kit 1 Raspberry Pi B 2 Carte Z-Wave (Razberry) 3 Deacutetecteurs drsquoouverture (x2) 4 Deacutetecteur de preacutesence 5 Siregravene 6 Prise commandeacutee 7 Alimentation 8 Cable Ethernet 9 Boitier 10 Logiciels inclus
Installation en 20 min
Internet des objets et services cloud
Protocole sans fil au standard Z-Wave
Logiciel Domoticz (open source)
Application ImperiHome
Aperccedilu drsquoacteurs repreacutesentatifs
12 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
Copenhague
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
13 Internet des objets et services cloud
IoT M2M architecture
14 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
IoT platform
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
IoT platform
Focus technique produits
15 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
Les plateformes middleware IoT bull Principales fonctions
ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware
ndash Messages amp data management
bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes
bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits
ndash Application Management
bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee
16 Internet des objets et services cloud
Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
17
Plate-forme de services IoT
Applications meacutetier
Transport
Street equipment monitoring
Smart home
Internet des objets et services cloud
Abstraction du mateacuteriel et de lrsquoimpleacutementation
bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo
bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo
bull Le11130881113088 service devient indeacutependant des technologies
18 Internet des objets et services cloud
Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti
19 Internet des objets et services cloud
Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation
Exemple Plateforme ThingWorx 22
20 Internet des objets et services cloud
Plate-forme de services IoT Microsoft Azure
21 Internet des objets et services cloud
Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Aperccedilu drsquoacteurs repreacutesentatifs
12 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
Copenhague
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
13 Internet des objets et services cloud
IoT M2M architecture
14 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
IoT platform
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
IoT platform
Focus technique produits
15 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
Les plateformes middleware IoT bull Principales fonctions
ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware
ndash Messages amp data management
bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes
bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits
ndash Application Management
bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee
16 Internet des objets et services cloud
Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
17
Plate-forme de services IoT
Applications meacutetier
Transport
Street equipment monitoring
Smart home
Internet des objets et services cloud
Abstraction du mateacuteriel et de lrsquoimpleacutementation
bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo
bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo
bull Le11130881113088 service devient indeacutependant des technologies
18 Internet des objets et services cloud
Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti
19 Internet des objets et services cloud
Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation
Exemple Plateforme ThingWorx 22
20 Internet des objets et services cloud
Plate-forme de services IoT Microsoft Azure
21 Internet des objets et services cloud
Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
13 Internet des objets et services cloud
IoT M2M architecture
14 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
IoT platform
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
IoT platform
Focus technique produits
15 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
Les plateformes middleware IoT bull Principales fonctions
ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware
ndash Messages amp data management
bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes
bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits
ndash Application Management
bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee
16 Internet des objets et services cloud
Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
17
Plate-forme de services IoT
Applications meacutetier
Transport
Street equipment monitoring
Smart home
Internet des objets et services cloud
Abstraction du mateacuteriel et de lrsquoimpleacutementation
bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo
bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo
bull Le11130881113088 service devient indeacutependant des technologies
18 Internet des objets et services cloud
Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti
19 Internet des objets et services cloud
Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation
Exemple Plateforme ThingWorx 22
20 Internet des objets et services cloud
Plate-forme de services IoT Microsoft Azure
21 Internet des objets et services cloud
Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
IoT M2M architecture
14 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
IoT platform
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
IoT platform
Focus technique produits
15 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
Les plateformes middleware IoT bull Principales fonctions
ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware
ndash Messages amp data management
bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes
bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits
ndash Application Management
bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee
16 Internet des objets et services cloud
Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
17
Plate-forme de services IoT
Applications meacutetier
Transport
Street equipment monitoring
Smart home
Internet des objets et services cloud
Abstraction du mateacuteriel et de lrsquoimpleacutementation
bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo
bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo
bull Le11130881113088 service devient indeacutependant des technologies
18 Internet des objets et services cloud
Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti
19 Internet des objets et services cloud
Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation
Exemple Plateforme ThingWorx 22
20 Internet des objets et services cloud
Plate-forme de services IoT Microsoft Azure
21 Internet des objets et services cloud
Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
IoT platform
Focus technique produits
15 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Device domain Network Application domain
API
Gateway
Device properties
Msg
bro
ker
User app
Phys
ical
vie
w
Logi
cal v
iew
Device driver
Les plateformes middleware IoT bull Principales fonctions
ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware
ndash Messages amp data management
bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes
bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits
ndash Application Management
bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee
16 Internet des objets et services cloud
Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
17
Plate-forme de services IoT
Applications meacutetier
Transport
Street equipment monitoring
Smart home
Internet des objets et services cloud
Abstraction du mateacuteriel et de lrsquoimpleacutementation
bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo
bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo
bull Le11130881113088 service devient indeacutependant des technologies
18 Internet des objets et services cloud
Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti
19 Internet des objets et services cloud
Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation
Exemple Plateforme ThingWorx 22
20 Internet des objets et services cloud
Plate-forme de services IoT Microsoft Azure
21 Internet des objets et services cloud
Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Les plateformes middleware IoT bull Principales fonctions
ndash Device Management bull Provisionning (installation) des devices bull Supervision du parc et de la connectiviteacute bull Mise agrave jour software firmware
ndash Messages amp data management
bull Gestion des eacutechanges device ndash server collecte de donneacutee et transmission de commandes
bull Stockage et historisation des donneacutees bull Notifications drsquoalertes bull Gestion utilisateurs et droits
ndash Application Management
bull Tooling SDK API bull Rapid Application Development (RAD) ndash option avanceacutee
16 Internet des objets et services cloud
Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
17
Plate-forme de services IoT
Applications meacutetier
Transport
Street equipment monitoring
Smart home
Internet des objets et services cloud
Abstraction du mateacuteriel et de lrsquoimpleacutementation
bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo
bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo
bull Le11130881113088 service devient indeacutependant des technologies
18 Internet des objets et services cloud
Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti
19 Internet des objets et services cloud
Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation
Exemple Plateforme ThingWorx 22
20 Internet des objets et services cloud
Plate-forme de services IoT Microsoft Azure
21 Internet des objets et services cloud
Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Connection drsquoobjets heacuteteacuterogegravenes via une plate-forme IoT M2M
17
Plate-forme de services IoT
Applications meacutetier
Transport
Street equipment monitoring
Smart home
Internet des objets et services cloud
Abstraction du mateacuteriel et de lrsquoimpleacutementation
bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo
bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo
bull Le11130881113088 service devient indeacutependant des technologies
18 Internet des objets et services cloud
Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti
19 Internet des objets et services cloud
Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation
Exemple Plateforme ThingWorx 22
20 Internet des objets et services cloud
Plate-forme de services IoT Microsoft Azure
21 Internet des objets et services cloud
Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Abstraction du mateacuteriel et de lrsquoimpleacutementation
bull La mise en œuvre de couches drsquoabstraction dans lrsquoarchitecture M2M permet de deacutecoupler les applications des speacutecificiteacutes mateacuterielles et logicielles des lsquoobjetsrsquo
bull Par exemple permettre agrave une application domotique de piloter un ldquointerrupteurrdquo pas un Wall ldquoPlugZWaveFGWP011Fibarordquo
bull Le11130881113088 service devient indeacutependant des technologies
18 Internet des objets et services cloud
Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti
19 Internet des objets et services cloud
Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation
Exemple Plateforme ThingWorx 22
20 Internet des objets et services cloud
Plate-forme de services IoT Microsoft Azure
21 Internet des objets et services cloud
Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Exemples de middlewares IoT Proprieacutetaire bull ThingWorx Axeda (PTC) bull Xively bull Sierra Wireless bull Gemalto bull Ericson bull KPN bull Microsoft bull Oracle bull Capgemini Sogeti
19 Internet des objets et services cloud
Open source bull Kaa bull DeviceHive bull OpenIoT bull ThingSpeak bull Nimbits bull Mango Automation
Exemple Plateforme ThingWorx 22
20 Internet des objets et services cloud
Plate-forme de services IoT Microsoft Azure
21 Internet des objets et services cloud
Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Exemple Plateforme ThingWorx 22
20 Internet des objets et services cloud
Plate-forme de services IoT Microsoft Azure
21 Internet des objets et services cloud
Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Plate-forme de services IoT Microsoft Azure
21 Internet des objets et services cloud
Microsoft annonce par ailleurs Azure IoT Suite et Windows 10 IoT disponibles courant 2015
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Les gateways et modules de communication
22 Internet des objets et services cloud
bull Gateway et kit open source ndash Raspberry Pi ndash Arduino ndash Galileo (Intel) ndash Spark ndash Gadgeteer (Net micro
framework) ndash Kit Grove (modules
SeeedStudio)
bull Gateway proprieacutetaires bull Sierra Wireless bull Digi bull Gemalto bull Ercogener
bull Modules
bull Sierra Wireless bull Telit bull Gemalto bull Telecom Design
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Gateway Principales liaisons reacuteseau supporteacutees
23 Internet des objets et services cloud
Reacuteseau local Interfaces Reacuteseau WAN
Filaire Ethernet Seacuterie (RS232 RS485) Bus CAN GPIO USB
Ethernet (RJ45)
Sans fil (RF) bull 433 Mhz
bull 868 915 Mhz bull Z-Wave bull Wireless M-Bus
bull 24 GHz
bull Wifi bull Bluetooth BLE bull Zigbee
bull GPRS bull Edge bull 3G bull 4G
bull LPWAN
bull Sigfox bull LoRA
Low-Power Wide-Area Network
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Exemple la maison connecteacutee Flux de donneacutees et protocoles
24 Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
2 Protocoles freacutequemment utiliseacutes
25 Internet des objets et services cloud
Communication with local sensors and actuators
PAN WPAN IP amp discovery Web services amp messaging
Communication with user PC tablet TV media devices etc
Synchronous amp asynchronous communication with the cloud
Low energy protocols
DPWS
ZeroConf protocols
CoAP
WS amp messaging (publishsubscribe)
HTTP IEEE 802154
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Standards techniques
26
Architecture
Protocols RESTful web services
Consortium
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
27 (C) Fusion Labs 2015
Sceacutenario laquo Powerful clients raquo Un petit nombre drsquoacteurs dominants fournissent au monde lrsquoensemble des services informations et appareils utiles
Sceacutenario laquo Centres drsquoexcellence raquo Mise en reacuteseau de systegravemes laquo best-in-category raquo srsquointerconnectant pour atteindre un niveau global drsquoubiquiteacute
Source The future of information appliance and consumer devices ndash httpwwwambient-intelligencenet
Enjeux des standards pour le deacuteveloppement du marcheacute
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Le standard OneM2M
28 Internet des objets et services cloud
Over 200 member organizations in oneM2M
OneM2M propose un standard global pour les communications M2M Specifications disponibles sur httpwwwonem2morg
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
29 Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Deacutemarche projet agile
30
Kits eacutelectroniques et de communication
Middleware platform Applications meacutetier
1 Etudes amp prototypes
2 Deacuteveloppement
3 Deacuteploiement cloud
Public clouds
3 Validation
Enab
ler
(out
ils)
Cycle projet
Activ
iteacute p
roje
ts
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Roles et compeacutetences
31 Internet des objets et services cloud
Fonctions transverses bull Product manager bull Architecte M2MIoTCloud bull Chef de projet Scrum master bull Testeur (mateacuteriel amp logiciel)
Fonctions Hardware amp Emb bull Ingeacutenieur eacutelectronicien
(conception prototypage) bull Deacuteveloppeur embarqueacute bull Ingeacutenieur RF reacuteseau
Fonctions Software amp cloud bull Architecte logiciel bull Deacuteveloppeur Web Cloud bull Deacuteveloppeur mobile bull Ingeacutenieur systegraveme Devops
Autres fonction Industrialisation logistique achatssourcing SAVhellip
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Facteurs cleacutes de succeacutes bull Facteurs business
ndash Deacutefinir et valider le modegravele eacuteconomique (gains etou eacuteconomies apporteacutes par la solution)
ndash Impliquer les experts meacutetier au cœur des projets (product owner)
ndash Adopter une deacutemarche iteacuterative et agile
bull Facteurs techniques ndash Deacutefinir une architecture baseacutee sur lrsquoeacutetat de lrsquoart ndash Reacuteutiliser des briques existantes ndash Monter une eacutequipe pluridisciplinaire drsquoexperts de
chaque domaine hardware embarqueacute reacuteseau systegraveme etc
32 Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Sommaire
1 Le marcheacute des objets connecteacutes et du M2M
2 Architecture technique des solutions
3 Deacutemarche projets IoTM2M
4 Tendances et eacutevolutions en cours
33 Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Tendances du secteur IoT
34 Internet des objets et services cloud
Intelligence ambiante machine learning
Santeacute bien-ecirctre
LPWAN
Smart Home
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Tendances actuelles et futures de la maison connecteacutee
bull Fonctionnel et technique ndash Pilotage par la voix et le geste (inclu eacuteclairages) ndash Intelligence ambiante (machine learning) ndash Continuous Video Recording (CVR) ndash type Dropcam ndash Reacuteduction disparition des box (inteacutegreacutees dans drsquoautres
systegravemes) ndash Interopeacuterabiliteacute par le cloud (type IFTTT)
bull Business ndash Reacuteduction drastique des prix ndash Geacuteneacuteration de revenus de services ndash Uberisation des installateurs et fournisseurs de services
35 (C) Fusion Labs 2015
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Backup slides
36 Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Chaine de valeur Smart Home
37 Internet des objets et services cloud
End Device (sensor hellip) Gateway Network
connectivity Middleware amp platform Application
Hardware Network Software Cloud
Service
Service
API
SW platform
Internet provider
User app
Back office
Capteurs Actuateurs Cameacuteras
Infrastructure
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Inteacutegration collecte et analyse des donneacutees
38
38
Internet des objets et services cloud
Event Data Producer
Message broker M2M Platform
Data Transformation amp Storage
Dashboard Analytics Machine Learning
Devices
Applications
Objects Machines
Message Queue Raw data
Business data
Dashboard
Search Filter
Analytics big data
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Architecture OneM2M
39 Internet des objets et services cloud
Underlying Network
Underlying Network
CSE
AE
NSE
CSE
AE
NSE
CSE
AE
NSE NSE
Application Service Node Middle Node Infrastructure Node
Application Layer
Service Layer
Network Layer
Mca
Mcn
Mca Mca
Mcn Mcn Mcn Mcc Mcc
bull Reference Point One or more interfaces - Mca Mcn Mcc and Mccrsquo (between 2 service providers)
bull Common Services Entity Provides the set of service functions that are common to the M2M environments
bull Application Entity Provides application logic for the end-to-end M2M solutions
bull Network Services Entity Provides services to the CSEs besides the pure data transport
bull Node Logical equivalent of a physical (or possibly virtualized especially on the server side) device
CSE
Mccrsquo
Inf Node
Source OneM2M
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
2 Protocles comparaison
40 Internet des objets et services cloud
Hig
h ra
te p
roto
cols
Lo
w c
onsu
mpt
ion
low
ra
te p
roto
cols
DPWS
PAN-WPAN LAN (IP) WAN (IP)
HTTP
ZeroConf protocols
CoAP
Messaging amp application protocols
Low energy protocols
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Activiteacutes projets IoT M2M Cloud
41
Connected Objets
Network
Cloud Platform
Fleet Admin amp management
Business apps
Embedded Software
Security
Electronics amp RF Web amp mobile
applications
Testing
Consulting amp architecture
Solutions (HW SW) Solutions (SW Infra)
Solu
tions
Se
rvic
es o
ffer
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Intelligence Ambiante 13 bull Principe La maison intelligente srsquoadapte agrave ses habitants et
reacutepond automatiquement agrave leurs besoins drsquoinformation de confort de santeacute et de seacutecuriteacute
bull Exemple de scenario (source Philips Research) ldquoEllen returns home after a long days work At the front door she is recognized by an intelligent surveillance camera the door alarm is switched off and the door unlocks and opens When she enters the hall the house map indicates that her husband Peter is at an art fair in Paris and that her daughter Charlotte is in the childrens playroomrdquo
bull Avantage business Le thermostat Nest (baseacute sur le machine learning) a eacuteteacute lanceacute fin 2011 au prix de $249 Au mecircme moment un thermostat programmable standard coutait $30 agrave $40
(C) Fusion Labs 2015 42
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Intelligence Ambiante 23
(C) Fusion Labs 2015 43
bull Actuellement seuls les utilisateurs experts programment des sceacutenarios (infeacuterences) bull Possibiliteacute de les mettre en œuvre de faccedilon implicite de les ameacuteliorer par apprentissage
et de geacuterer leur exeacutecution par des meacutecanismes hybrides drsquoactivation (soft actuation)
Exemples drsquoautomatismes classiques (sceacutenarios domotiques)
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Intelligence ambiante 33 bull Mise en œuvre Les meacutecanismes de Machine learning
sont utiliseacutes pour exeacutecuter des automatismes approprieacutes au contexte via lrsquoapprentissage et la modeacutelisation des comportements et des besoins utilisateurs Par ex ndash Apprentissage de planning (Auto-Scheduling) ndash Deacutetection des arriveacutees deacuteparts et de la preacutesence drsquooccupants ndash Apprentissage des preacutefeacuterences
bull La flexibiliteacute et lrsquoouverture de la plate-forme ThingWorx
permettent drsquointeacutegrer des services de machine learning et de les ameacuteliorer de maniegravere iteacuterative dans le temps
(C) Fusion Labs 2015 44
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Maintenance preacutedictive
45
M2M Cloud services Machine fleet events
breakdown pattern
1 2 3
1 2
Warning
Warning
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Big volume of devices =gt BIG DATA
46 Internet des objets et services cloud
Big data store
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
From vertical applications to horizontal integration of new services
47
User scenario Daily travel optimization based on multiple source of information bull Trafic conditions amp events bull Parking proximity equipment amp status bull Public transport info bull Geofencing (avoiding dangerous areas)
Home Office Electric vehicle Public parking amp charging station
bicycle sharing
Public transport
Internet des objets et services cloud
Top Related